Nenhum governo desliga um modelo que já corre no teu próprio hardware

Este fim de semana vimos projetos e protótipos a partir-se porque um governo de outro país decidiu vetar o uso de uma mercadoria.

Não é um bug. Não é um deploy mal feito. Não é um rate limit que possas voltar a tentar depois de uma pausa. Uma diretiva norte-americana de controlo de exportações ordenou desligar o modelo de IA público mais capaz do mundo — para todos os utilizadores, em todo o lado, incluindo os próprios trabalhadores do fornecedor que tinham o passaporte errado. Se o teu produto chamava esse modelo através de uma API, o teu produto não se degradou com elegância. Devolveu um erro e parou. Em Um sistema de vistos para a inteligência analisei o que isso fez ao preço do risco soberano e às contas das entradas em bolsa. Este artigo é sobre a outra metade da fatura: o que faz à forma como constróis.

Escrevo isto a partir do lugar de quem constrói, não do gabinete das políticas nem da mesa dos investidores. Ponho em produção sistemas que chamam estas APIs, e a lição que levo desta semana não é política: é arquitetural. Um modelo que chamas pela rede, assente num servidor por detrás da fronteira de um país, é uma dependência com um interruptor de desligar que não é teu. E o Estado acabou de demonstrar, com data e hora, que o vai acionar. O mercado já começou a contornar esse interruptor. Na mesma semana em que um modelo se apagou por decreto, a Microsoft documentou sem alarido como correr outro sem nenhuma API pelo meio. E três semanas antes de tudo isto, a Nvidia — a empresa que vende os picos e as pás — reescreveu as suas próprias demonstrações financeiras para apostar que a computação vai exatamente nessa direção.

Uma API por detrás de uma fronteira tem um modo de falha que vive num edifício do governo

Mantenho uma lista curta das formas como uma funcionalidade pode morrer sem que ninguém toque no seu código. A queda da CrowdStrike foi uma má atualização a montante: 8,5 milhões de máquinas em baixo por um ficheiro que ninguém na tua empresa escreveu. A taxa de runtime da Unity foi uma mudança de preços que não aceitaste, aplicada retroativamente a software que já tinhas publicado. Ambos são falhas de dependência de um fornecedor e ambos são, no fim, negociáveis: um patch mau contornas com engenharia e uma fatura regateias.

Ontem juntou-se uma terceira entrada com uma causa genuinamente nova, e esta não é negociável. Uma diretiva soberana: filtrada por nacionalidade, com efeito imediato, sem nenhum SLA que a cubra e sem mais recurso do que obedecer. Não há ticket de suporte que possas abrir contra uma ordem de controlo de exportações. O próprio fornecedor não pôde recusar: só pôde protestar enquanto obedecia. O artigo sobre o sistema de vistos batizou isto de risco de revogação soberana, e o que convém interiorizar é que é estruturalmente diferente de qualquer risco de dependência que já saibamos gerir. Podes comprar redundância entre regiões, entre fornecedores, entre nuvens. O que não podes comprar é redundância perante o facto de o nível de modelo mais capaz ser já um ativo estratégico controlado, e de o governo que assim o decide ser o mesmo onde o teu fornecedor tem sede.

Cada mitigação a que recorremos por reflexo — multirregião, multinuvem, um segundo fornecedor — continua a terminar num modelo assente no servidor de outra pessoa, acessível apenas enquanto uma diretiva o permitir. Só há uma mitigação que elimina o interruptor em vez de se cobrir dele: correr o modelo em hardware que é teu. Há uma semana isso soava a algo que não nos podíamos dar ao luxo. Hoje é um requisito de resiliência, e as ferramentas para agir chegaram na mesma semana que o risco.

Na mesma semana em que um modelo foi desligado, a Microsoft documentou como correr outro sem qualquer servidor

Esta é a parte que me fez parar. O Phi Silica, da Microsoft, é um modelo de linguagem pequeno de 3,3 mil milhões de parâmetros. Até há pouco corria apenas nas unidades de processamento neuronal (NPU) dos PC Copilot+: um escalão de hardware estreito e certificado. Este junho, a Microsoft ampliou sem alarido a sua documentação de Windows AI com uma página nova: como executar o Phi Silica em GPU Nvidia RTX, sem NPU. A lista de compatibilidade recua até à série RTX 30 e seguintes, a fasquia está em cerca de 8 GB de memória de vídeo dedicada e num controlador do ramo 560 ou mais recente, e a execução passa pelo Windows Copilot Runtime sobre DirectML. A documentação é taxativa na única coisa que importa aqui: o modelo e a inferência correm inteiramente no hardware do próprio utilizador. Sem chamadas a qualquer API na nuvem.

Lê o requisito outra vez e tira-o da linguagem de ficha técnica: um modelo de linguagem útil, suportado e de execução local aponta agora para uma placa gráfica que milhões de pessoas já têm. Não um acelerador de centro de dados sob licença de exportação. Não um PC com IA certificado que tenhas de ir comprar. A placa que já está na torre a correr jogos. A capacidade não ficou mais barata: mudou-se para um edifício onde o Estado não pode entrar sem um mandado.

A Nvidia reescreveu as suas próprias contas para apostar no edge — três semanas antes da revogação

Se queres saber para onde vai mesmo a procura de inferência, não leias os manifestos. Lê a empresa que tem a visão mais clara da carteira de encomendas e o maior incentivo para não se enganar — e repara no que faz quando tem de afirmar coisas sob juramento.

Nos resultados do primeiro trimestre do ano fiscal de 2027, a 20 de maio, a Nvidia mudou a forma como reporta o seu próprio negócio. Os antigos segmentos operacionais — «Compute & Networking» e «Graphics» — desapareceram. No seu lugar estão duas plataformas de mercado: Data Center e Edge Computing. Dentro de Data Center há dois submercados, Hyperscale e ACIE (AI Clouds, Industrial, Enterprise). E ao seu lado, pela primeira vez como plataforma de igual estatuto, está Edge Computing — definida como os dispositivos para a IA agêntica e física: PC, consolas, estações de trabalho, estações base AI-RAN, robótica e automóvel. A categoria a que a Nvidia chamava «gaming» não encolheu: foi absorvida numa plataforma cujo nome fala agora de correr IA no edge. Edge Computing faturou 6,4 mil milhões de dólares no trimestre na sua própria linha.

Uma empresa não reestrutura o seu reporte por segmentos por capricho. É um documento auditado, duradouro, caro de mudar, e lido com lupa por gente que processa quando é induzida em erro. Quando a empresa com a melhor visão do futuro coloca Edge Computing ao lado do centro de dados como plataforma de igual estatuto, está a dizer-te — na linguagem mais juridicamente vinculada que uma empresa tem — que não acredita que o futuro seja um único modelo gigante num único servidor por detrás da fronteira de uma só nação. E disse-o em maio, três semanas antes da revogação de junho. Portanto, isto não é uma reação à notícia. É a aposta estrutural que a notícia veio depois validar.

Há que dizê-lo, este filme já o vimos. A computação descentraliza-se sempre que o centro acumula um passivo que a periferia não carrega. Do mainframe ao PC, quando o passivo era o custo e o acesso. Do PC de volta à nuvem durante uma década, quando o passivo era o trabalho operacional. Agora o pêndulo carrega-se para o outro lado sob o peso da latência, da economia unitária, da privacidade — e, desde esta semana, da soberania, o passivo mais pesado que o centro alguma vez carregou, porque é o único a que não consegues pôr preço, segurar nem negociar. O baloiço não é ideológico. É um negócio a contornar o risco mais caro da mesa.

O negócio contorna o risco; é a única coisa que faz sem falhar

Tira a geopolítica e isto é uma observação banal sobre como as empresas se comportam. Uma empresa é, acima de quase tudo, uma máquina de contornar risco. Aceitará pior latência, maior custo inicial e mais trabalho de engenharia para eliminar um risco de cauda capaz de pôr o seu produto a zero de um dia para o outro — da mesma forma que paga um seguro que espera nunca usar. Durante dois anos o argumento a favor da inferência local jogou-se em custo e privacidade, e perdeu quase todas as discussões, porque a comodidade de uma API de fronteira compensava o lock-in. Esta semana a conta mudou, porque o risco de cauda deixou de ser hipotético e ganhou data e hora.

Agora a objeção mais forte, de frente, porque é certa: um modelo de 3,3 mil milhões de parâmetros não é o Fable 5, e nem se aproxima. Não consegues correr raciocínio de nível fronteira numa GPU de gaming, e boa parte do que faz valer a pena pagar por estas ferramentas vive no nível mais alto que só os grandes modelos remotos conseguem servir. Verdade, mas mal enquadrado. Ninguém sério propõe que mudes tudo para local. A jogada é escalonar o trabalho:

• Os 80–90% de grande volume, sensíveis à latência e de exigência modesta — classificação, extração, redação de rascunhos, autocompletar, respostas aumentadas por recuperação sobre os teus próprios documentos — correm hoje perfeitamente num modelo local de 3–8B. E é, não por acaso, a parte do teu stack onde uma falha sai mais cara, porque está no caminho crítico de tudo.
• Os 5–10% genuinamente difíceis que precisam da fronteira ficam na API — mas atrás de um mecanismo de recurso documentado e testado, de modo que uma revogação te degrade em vez de te parar.

E o fosso estreita-se a cada trimestre; os modelos pequenos continuam a absorver capacidades que antes exigiam a fronteira. O objetivo de ir para local nunca foi a paridade. É a opcionalidade — e ser dono do interruptor de desligar da parte do teu produto que não podes dar-te ao luxo de ver desligada por outro.

Mais uma ressalva honesta, porque corta no outro sentido: o Estado controla também os chips. A mesma administração que revogou o modelo tem a Nvidia e a AMD a entregar-lhe uma fatia das suas receitas na China pelo mero privilégio de poderem exportar. Mas há uma diferença real entre controlar a próxima venda e meter a mão numa GPU que já zumbe no teu rack. A diretiva que caiu esta semana foi remota e instantânea. Um modelo residente em hardware que já é teu não expõe nenhuma interface remota que uma diretiva possa agarrar. Os controlos de exportação travam a tua próxima compra. Não revogam a tua base já instalada.

O que eu poria no diagrama de arquitetura este trimestre

Se eu fosse o teu CTO, este é o trabalho que financiaria antes de fechar o próximo ciclo de planeamento — concreto, não aspiracional:

1. Acrescenta uma linha ao mapa de dependências. Para cada funcionalidade de IA, escreve que governo a pode desligar, e para quais dos teus utilizadores consoante a nacionalidade. Se essa célula está vazia, o desenho não está terminado. Isto vai no diagrama de arquitetura, não numa nota de rodapé jurídica.
2. Põe uma interface de inferência estável à frente de cada chamada ao modelo, com pelo menos uma opção de pesos abertos ou local já ligada por trás. O modelo passa a ser substituível; a estrutura continua a ser tua. O modelo é a mercadoria; a estrutura à sua volta é o fosso — e agora, a resiliência.
3. Escalona as tuas cargas consoante a capacidade que realmente exigem e move o nível de grande volume e exigência modesta para um modelo local de 3–8B — da classe Phi numa máquina com RTX, ou os seus equivalentes de pesos abertos. Esse único movimento tira por completo da rede o teu caminho mais quente.
4. Escreve e testa um mecanismo de recurso para cada funcionalidade de nível fronteira como o farias para um gateway de pagamentos: deteta o 4xx, degrada para o modelo local, alerta, continua a servir. E depois ensaia-o. A CrowdStrike e a Unity ensinaram-nos a ter um plano de recurso; a revogação subiu a fasquia de o testar a sério.
5. Dimensiona o hardware já. A capacidade que possuis em propriedade não pode ser confiscada por diretiva. Uma máquina com RTX no teu rack — ou já na torre do teu utilizador — é uma cobertura de soberania que, já agora, corta a tua fatura de inferência. A economia dos modelos fundacionais era sobre não pagar a mais por alugar capacidade; isto é a versão mais afiada do mesmo instinto.

Não construas a parede mestra com algo que o vento possa levar

O meu avô teve uma empresa de construção, e tinha uma frase que repetia sempre que alguém lhe propunha um negócio dependente de algo fora da sala: nunca faças negócios que dependam da direção do vento. Falava do tempo, das colheitas e das dependências políticas. O meu avô percebia da poda e, cinquenta anos depois, cabe-me levar o seu conselho a sério. Não construas a partir de uma capacidade que um governo possa desligar por capricho.

Esta semana o vento mudou de direção, e um modelo do qual dependiam centenas de milhões de pessoas desapareceu antes de chegar o pedido seguinte. O modelo de fronteira falhou porque vivia num servidor por detrás de uma fronteira, e a fronteira tem dono. A documentação da Microsoft e a mudança de reporte da Nvidia são o mesmo instinto expresso duas vezes, por duas das maiores empresas do setor, no mesmo mês: o lugar duradouro para correr um modelo é hardware que alguém possui, onde nenhuma diretiva o alcança. Não porque o local seja mais rápido. Porque o local não se pode revogar.

Se estás a mapear a tua própria cadeia de fornecimento de IA à procura do interruptor que não controlas, começa pelo artigo que acompanha este — Um sistema de vistos para a inteligência — e depois volta e escreve «que governo pode desligar isto» no diagrama, preto no branco, ao lado da funcionalidade que deitaria abaixo.